Політика щодо ШІ в освіті

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Політика щодо ШІ в освіті — формальні та неформальні правила, що регулюють використання ШІ в освітніх установах, від національного законодавства до нормативів аудиторного рівня. Дослідження політики в цій базі знань охоплюють інституційне врядування, вимоги до curriculum та вимоги до підготовки викладачів.

Питання для роздумів

• Інституційну політику щодо ШІ часто пишуть так, ніби повідомлення людям правил змінює те, що вони роблять. Дослідження свідчить, що така політика може значно відставати від фактичного використання ШІ. Як ви вважаєте, чому політика «на папері» так часто не збігається з тим, що відбувається в аудиторіях?
• Якщо перенесення домашніх завдань на ШІ спричиняє втрати в навчанні, які залишаються переважно непоміченими — оскільки жоден окремий викладач не пов’язує погіршення результатів студента з використанням ШІ, — то яка політика взагалі можлива? Яким було б таке моніторинг?
• Політичні рішення щодо оцінювання — усні іспити, контрольоване тестування, формати із закритими книгами — самі є реакцією на шахрайство, уможливлене ШІ. Чи є, на вашу думку, контроль за «результатом» (виявлення використання ШІ) кращою стратегією, ніж перепроєктування оцінювання так, щоб саму роботу було складніше віддати на аутсорсинг?
• Політика щодо ШІ в освіті охоплює національне законодавство, урядові настанови, інституційні правила та вибори на аудиторному рівні. Який із цих рівнів, на вашу думку, справді найбільше формує поведінку студентів і викладачів — і чому?
• Чий голос зазвичай формує політику щодо ШІ — і чиї відсутні? Хто має бути за столом переговорів, коли установа вирішує, яке використання ШІ дозволене та як ним врядовувати?

Вступ

Рівні політики

• Інституційна політика: Institutional policy analysis порівнює, як університети розробляють політику щодо ШІ. Institutional change frameworks дають моделі для розробки політики. Qian (2026) кодував основні сторінки про ШІ 50 університетів США, визначених у 2025 році найбільш інноваційними, і виявив, що лише 6 з них оформили їх саме як «політику», тоді як 44 опублікували настанови, керівництва, принципи чи центри ресурсів, і що 33 з 50 позиціонували викладачів як головних перекладачів інституційних очікувань у правила навчальних курсів, — інституційну політику свідомо пишуть як гнучку настанову для інтерпретації на рівні курсу, а не як незмінне правило.
• Державна політика: і lifelong learning policy досліджують регуляторні підходи на національному та регіональному рівнях. Критичний погляд на рівні інфраструктури щодо ШІ в урядовому прийнятті рішень дає Perrotta (2026), чий аналіз британського цивільно-службового прототипу Великі мовні моделі (LLM) Redbox показує, як загального призначення ШІ входить у професійний інструментарій політики через «врядування без навчальних прикладів» (zero-shot governance) — моделі-засновники, не прив’язані до предметної області, що втручаються в рішення, вплетені в тонкі domain-specific scaffolds.
• Політика рівня K-12: Stanford's evidence reviews з 818 статей інформують політику щодо ШІ на рівні K-12.
• Політика оцінювання: Assessment reform policies та фреймворки Аутентичне оцінювання є політичними відповідями на AI-enabled cheating. Вибір формату підсумкового оцінювання — усний, контрольований, із закритими книгами — сам є рішенням політики оцінювання (див. Підсумкове оцінювання).

Розрив зрілості політики

База знань документує, що інституційна політика щодо ШІ lag behind actual AI use. Програми Освітній розвиток, фреймворки Компетентність викладача в галузі ШІ та Регулювання ШІ в освіті — усі потребують узгоджених політичних основ. Великомасштабові польові дані (Strömberg, Lei, & Wu 2026) показують, що втрати в навчанні через перенесення домашніх завдань на ШІ залишаються переважно непоміченими, оскільки окремі викладачі предметів та студенти рідко пов’язують погіршення з використанням ШІ, — розрив, який може подолати політика, заснована на доказах (наприклад, збільшення ваги оцінювання із закритими книгами, інформування студентів про довгострокові витрати, моніторинг ресурсів, а не результатів).

Там, де сформувався консенсус для заповнення цього розриву, Crompton et al. (2026) провели дельфійське опитування 35 експертів із 22 країн, яке зійшлося на восьми сферах врядування — з академічною доброчесністю як центральним якорем — плюс шестикомпонентний механізм перегляду (постійний комітет із GenAI, заплановані перегляди політики, професійний розвиток, комунікація, оцінка впливу, моніторинг), щоб підтримувати політику актуальною.

Національна готовність до ШІ не передбачає сили інституційної політики. Adarkwah et al. (2026) оцінили 26 університетів із десяти країн з високим показником AIPI за восьмикомпонентною рамкою UNESCO щодо GenAI і виявили, що установи Північної Європи та Нової Зеландії охопили її повніше, ніж вище ранжовані однолітки, тоді як інклюзія, справедливість та сталий розвиток були найбільш знехтуваними елементами.

Консультативних документів більше, ніж обов’язкової політики. Перепис усіх акредитованих програм в одній професійній галузі показує, що розрив зрілості — це розрив і форми, і строків. Eldredge et al. (2026) зібрали документи політики та настанов щодо ШІ з усіх 48 магістерських програм охорони здоров’я, інформатики охорони здоров’я та управління інформацією охорони здоров’я в США, акредитованих CAHIIM, і виявили, що 40 (83%) із них мали принаймні один публічно доступний документ, пов’язаний із ШІ, тоді як 8 — жодного, але ці документи були переважно настановами, а не примусовими правилами: 21 керівництво (53%) проти 7 формальних політик (18%). Їхній зміст концентрувався на академічній доброчесності та допустимому використанні, тоді як приватність, інтелектуальна власність і регуляторні концепції (HIPAA, FERPA, дотримання вимог досліджень) згадувалися значно рідше, і тематичне моделювання дало ту саму орієнтацію на студентську поведінку. Ні тип документа, ні цільова аудиторія не варіювалися залежно від способу навчання (точний тест Фішера P = 0,85 і P = 0,71). Автори читають це як доказ того, що політика академічної програми є діяльністю, відмінною від проєктування навчального плану та розвитку компетентностей робочої сили, і стверджують, що акредитаційні органи могли б зменшити виникаючу через це варіативність, надавши рамки політики щодо ШІ, що інтегрують академічну доброчесність, етику даних та рівний доступ.

Систематичний огляд у Великій Британії додає секторальний шар до того самого розриву: інвестиції в інфраструктуру та навчання персоналу роботі зі ШІ концентруються в дослідницьких університетах (Россельська група), тоді як установи, орієнтовані на викладання (пост-92), стикаються з обмеженнями потужностей, і лише меншість установ Великої Британії мають офіційні плани врядування ШІ (Ashiq (2026)).

Галузь, що формує політику без доказової бази. Розрив зрілості постає також як проблема доказовості в професійних програмах. Gutowski and Hurley (2025) оцінили інституційну політику юридичних факультетів США, схвалених ABA, за п’ятьма вимірами — заборонністю, дозвільністю, освітньою інтеграцією, прозорістю та підзвітністю, глибиною — і виявили, що більшість факультетів займають загалом заборонні позиції, залишаючи дискрецію окремим викладачам та зобов’язуючись переглядати правила в міру розвитку технологій. Обережність вони пояснюють тиском часу, а не доказами: опитування ABA 2024 року отримало відповіді лише від близько 15% акредитованих факультетів, а автори не повідомляють про консенсус щодо того, чи має розкриватися використання ШІ і як його цитувати. Їхній висновок є процесуальним — будуйте політику разом із викладачами, а не для них, навчайте завчасно і сприймайте створення політики як повторювану подію, а не одноразовий акт, — що робить Юридична освіта одним із найявніших випадків розрізнення політики та врядування, яке проводить ця сторінка.

Викладачі регулюють; установи — переважно ні. Розрив зрілості має друге обличчя, видиме з боку викладання. Watson and Rainie (2026) опитали 1 057 викладачів коледжів і університетів США і виявили, що правила писалися значно швидше нижче установи, ніж у самій установі: 87% респондентів створили власну політику на рівні навчальних завдань для student AI use, проти 35%, які заявили, що керівництва написала їхня кафедра, і 48%, які заявили, що їхня установа. Структурна відповідь за цими документами є мізерною — 55% повідомили про робочу групу чи наглядну комісію, 37% про нові курси, орієнтовані на ШІ, 17% про спеціальність чи мінор із ШІ, 16% про нові офіси академічного керівництва і лише 13% про прийняття AI literacy як результату загальної освіти, — тоді як 68% заявили, що їхні заклади не підготували викладачів до викладання з інструментами. Оскільки студенти сприймають виникаючу із цього мозаїку як єдиний інституційний режим, цей результат є прямим доказом проведеного на цій сторінці розрізнення між документом політики та врядуванням, що робить його узгодженим. (Автори описують вибірку як ненаукову та непридатну для узагальнення, тому її найкраще читати як висловлені галуззю занепокоєння.) Цей задокументований розрив має вимірюваний наслідок на боці студентів. Дводослідний дизайн Чень — 160 студентів мистецьких спеціальностей у сценарному експерименті та 425 опитаних (Chen, 2026) — виявив, що сприйнята неузгодженість між пропагандою GAI в університеті та його фактичною практикою викладання, оцінювання та підтримки позитивно передбачала оцінки й перешкоди (β = 0,431), і виклику (β = 0,496), що несли протилежні опосередковані ефекти на залученість у творчий процес (β = −0,060 через перешкоду, p = 0,004; β = 0,217 через виклик, p < 0,001), тобто одна неузгоджена політика може водночас придушувати й підтримувати творчу роботу студентів.

Регулювання на рівні завдань — це новий патерн. Великомасштабове лонгітюдне дослідження понад 31 000 навчальних програм курсів (2021–2025) у великому державному дослідницькому університеті (Chirikov 2026) показує, як викладачі насправді регулюють ШІ на практиці: явне регулювання ШІ зросло з майже нуля до 55% курсів до осені 2025 року, але напрям змістився від заборонного до дозвільного, і викладачі все частіше диференціювали за типом завдання — обмежуючи ШІ для створення текстів/міркування (завдання з ризиком витіснення), водночас дозволяючи його для редагування/коригування та підтримки навчання (завдання доповнення). Кадрування також змістилося від академічної доброчесності (63% → 49% програм) до впливу на навчання (1% → 29%). Цей завданнєвий патерн — побудований на механізмах економіки праці витіснення, доповнення та поновлення завдань — пропонує більш детальну альтернативу політикам повного впровадження чи заборони і є прямим емпіричним якорем для наведеного вище розрізнення політики та врядування.

• Студентський бік регулювання на рівні завдань. За умови однакового рівня відкритого використання для двох із трьох оцінювань, формат оцінювання все одно визначав, для чого студенти використовували GenAI: випадки використання для зворотного зв’язку зросли з 0% у скаффолдингованій презентації до 66,7% у домашньому тесті (Quince and Faulconer (2026)).

Проєктування політики на рівні викладача як вправа на узгодження. Регулювання на рівні завдань має проєктувальний аналог нижче за навчальну програму. McCorkle's (2025) виводить дозволене та заборонене використання GenAI в курсі з питання «що, конкретно, я оцінюю?» — інвентаризуючи кожне завдання в проєкті, відображаючи кожне на навчальну мету, поєднуючи кожне із новою компетентністю робочої сили щодо GenAI (Кар’єрний розвиток і готовність), а потім вирішуючи, якому занепокоєнню надати пріоритет: необхідності оцінити успішність студента чи цінності формування компетентності. Виникаюча політика відрізняється завдання від завдання в межах одного проєкту — вибір тем і підбір зображень дозволені, формулювання навчальних цілей і проєктування слайдів — ні, з rationale written directly to students. Кейс також документує, чому повні заборони зазнають невдачі на практиці: студенти, які не вважають себе нечесними, читають заборону як таку, що до них не стосується, і політика стає несправедливою (Справедливість), коли очікування залишаються неявними. Вона доповнює наведені вище рівні політики згори донизу, показуючи, як зміст політики може бути породжений узгодженістю з Оцінювання на рівні курсу та навчального завдання.

Розрив між межею та доказами в політиці оцінювання. Аудит публічних настанов щодо GenAI у 30 університетах (Yao 2026) виявляє, що інституційна політика краще класифікує використання ШІ, ніж пояснює, які докази навчання залишаються чинними в межах кожного класу: середній бал межі делегування (2,47/4) перевищував середній бал стандарту доказовості (1,89/4), запобіжні заходи були рідкісними (2,75 з 8), а настанови були найясніщими для підміни кінцевого результату. Рамка когнітивного управління знанням (cognitive stewardship) стверджує, що політика має робити видимою логіку сертифікації — що здобувачі можуть делегувати, що вони все ще мусять продемонструвати, і як установи захищають справедливі докази, — а не лише моніторити використання ШІ.

Надмірно широка заборонна мова та неправильно застосовані правила. Обсяг правила є політичним рішенням з наслідками, що виходять за межі дотримання. Wright (2026) стверджує, що повні заборони, написані в higher education з 2023 року, забороняють «генеративний ШІ» без технічної точності, необхідної, щоб відокремити створення контенту від перетворення форматів із підтримкою ШІ, — оптичне розпізнавання символів, розпізнавання рукописного тексту й перетворення мовлення в текст є technologies розпізнавання, які виводять те, що студент уже написав, а не створюють новий контент. За таким прочитанням санкціювання використання лише для транскрипції найкраще характеризувати як неправильне застосування політики, а не як проступок, і витрати через неточність розподіляються нерівномірно: студенти, піддані ризику equity, та студенти з інвалідністю, які покладаються на ці інструменти, несуть непропорційний ризик хибнопозитивних рішень, — вплив, який legal issues and risks розглядають як питання розумного пристосування, а не питання доброчесності.

Межа, заснована на призначенні, замість переліку інструментів. Li (2026) дає той зміст політики, якого бракує надмірно широкій заборонній мові: лінію між підтримкою та підміною, визначену функцією та конструктом оцінювання, а не переліченням інструментів, з тим аргументом, що переліки інструментів застарівають і заохочують дотримання через інтерфейс. Дозволена підтримка — це поверхнева інтервенція, що не додає жодних ідей, жодних джерел і жодного суттєвого переупорядкування аналізу; підміна — це створення аргументів чи контраргументів, застосування дисциплінарних правил до фактів, перебудова аналітичної послідовності чи створення цитат для включення. Рамка подана як три інструменти — робочі визначення зі спільними швидкими тестами, щоб двоє екзаменаторів однаково характеризували одну й ту саму поведінку, калібровані шаблони disclosure, що варіюються від нічого для вбудованих функцій низького ризику до одного рядка для зовнішнього мовного редагування та приблизно 80–120 слів там, де обмежена генерація ідей прямо дозволена, і рубрику рішень, яка називає слабкі сурогати (відполірована мова або раптова плавність, нефононна формулювання, поодинокі бали виявлення) поряд із типами доказів, що можуть мати вагу. Вона також окреслює умови, за яких масштабовані дозвільні режими, такі як шкала оцінювання ШІ, залишаються працездатними: використання прямо дозволене для конкретного завдання, конструкт уточнений так, що студенти й екзаменатори знають, що оцінюється, і розкриття залишається можливим.

Поетапна автоматизація з обов’язковим людським наглядом. Національний іспит підтвердження кваліфікації для молодшої середньої школи в Уругваї Acredita EB дає конкретну модель автоматизації, що зберігає нагляд: розділи з вибором відповіді та наявні процедури залишаються незмінними, ШІ використовується лише для розділу письма в межах обов’язкової калібрувальної стадії на 50–100 текстах, і два правила відсікання визначають, які результати потребують експертного перегляду — кандидати, які не можуть скласти за іншими двома розділами, не потребують перегляду письма, а кандидати, що досягли рівня володіння за всіма трьома розділами, складають іспит із лише 0,2%/0,6% спостережуваного залишкового ризику. Автори оцінюють, що такий дизайн міг би скоротити кількість письмових відповідей, що потребують повного людського оцінювання, щонайменше на 50%, зберігаючи керівний принцип, що жодне остаточне рішення про результати тесту не приймається без відповідного human oversight. Це доповнює наведену вище роботу щодо межі та доказів, показуючи політику, яка визначає не лише те, де ШІ дозволений, але й те, які людські докази та перегляд залишаються обов’язковими.

Асоціальний бік automated grading. Політика, що направляє оцінювання через інструмент ШІ, успадковує поверхню атаки. Humble (2026) провів червоний командний тест інституційного робочого процесу оцінювання, сховавши п’ять непрямих ін’єкцій підказок у файлах синтетичної роботи, яку Microsoft Copilot (GPT-5.2) оцінив як «незадовільно» за всіма шістьма базовими прогонами. Дві стратегії підвищили оцінку без видимого попередження користувачеві — повідомлені частоти успіху атак 100% (9 із 9 ітерацій) і 94% (17 із 18), — а інструмент і тихо вимкнув чат після блокування найпростішої атаки, і, в одній ітерації, оголосив, що ігноруватиме вбудовані інструкції, перед тим як підвищити оцінку в наступних шести прогонах. Оцінка, отримана через приховану інструкцію, не має жодної заяви на validity, і та сама техніка могла б погіршити роботу, не залишивши стійкого сліду, тому прохання статті носять політичний, а не технічний характер: настанови на рівні сектору, професійний розвиток, обмежене використання ШІ з людським переглядом для високоставних робіт і стандартизоване, не залежне від предметної області тестування стійкості до ін’єкцій підказок, щоб поверхню атаки вимірювали, а не припускали. Це асоціальний аналог наведених вище дизайнів нагляду: там, де ті визначають, який людський перегляд є обов’язковим, цей визначає клас маніпуляцій, для виявлення яких перегляд існує, але для яких немає надійного сигналу.

Матриця цінностей і норм як основа політики. Agarwal et al. (2026) — systematic review 25 статей, — консолідують етику AIED у шість основних ethical цінностей (недискримінація, управління даними, human oversight, доброзичливість, пояснюваність, освітня доречність) і відображають етичні норми, видобуті з літератури, на матрицю «стейкхолдер × цінність». Огляд позиціонує цю матрицю як основу для побудови детальних етичних рамок і регулювання AIED, даючи освітнім установам, розробникам і регуляторам конкретні норми для впровадження окремих цінностей. Він виявляє, що норм доброзичливості, спрямованих на регуляторів, значно більше (дев’ять), ніж для будь-якого іншого набору стейкхолдерів, що сигналізує про роль регуляторів у забезпеченні того, щоб AIED приносив користь здобувачам через політику та законодавство, — конкретну, закріплену в цінностях відправну точку для описаного на цій сторінці механізму розрізнення політики та врядування.

Твердження, що подорожують далі за своїми обмеженнями. Оголошення пілотного проєкту — це також інструмент політики, і його стандарти звітності є частиною політики. Restrepo Morales et al. (2026) аналізують епізод у Сальвадорі у вересні 2026 року, коли про пілотний проєкт зі ШІ-тьюторством у 171 публічній школі повідомили як про такий, що досяг результатів, порівнянних із Німеччиною та Швецією: проти середнього показника PISA 2022 з mathematics верхні 5,5% національного розподілу досягнень збіглися б із цією відміткою без жодного навчального приросту, і оцінювання пілотного проєкту охопило 7,0 студентів на школу проти 25,4 у національному опитуванні того ж року, тому опубліковані докази не можуть виключити відбір як пояснення. Їхня пропозиція — стандарт звітності з шести пунктів: базовий рівень шкіл-учасниць, протокол вибірки (студенти, що мають право на участь, оцінювані студенти, правило ідентифікації, рівень участі), дезагреговані бали зі стандартними похибками, операційна дата кожного компонента реформи, перекриття з репрезентативною національною вибіркою і кваліфікація, виражена в тому самому документі, дописі чи абзаці, що й твердження, — мотивована арифметикою розкриття самого оголошення: допис Світового банку, який ніс твердження, набрав близько 441 000 переглядів проти близько 11 000 у допису, який ніс кваліфікацію, на чотири позиції пізніше в тому самому ланцюжку. Урок політики в тому, що коли система використовує результати на шкільному рівні як докази про себе, формат розкриття вирішує, яке твердження стає публічним фактом.

Аналіз на рівні країн за PISA 2022–2025 виявив, що країни з вищим рівнем використання генеративного ШІ демонстрували більші спади в читанні та математиці, — асоціація, що зникала, коли контролювали попередні результати (Guerra & Aslanov, 2026). Автори читають це як застереження, що ширший доступ до чат-ботів не слід сприймати як благо сам по собі, і закликають до впроваджень у поєднанні з лонгітюдним оцінюванням.

Політика проти врядування

Політика та врядування тісно пов’язані, але відмінні, і підтримання між ними розрізнення має значення для розуміння досліджень цієї бази знань.

• Політика — це зміст, тобто те, що вирішено. Політика — це формальне правило, принцип чи твердження: яке використання ШІ дозволене, заборонене чи обов’язкове; що має розкриватися; які формати оцінювання дозволені. Вона існує як задокументований артефакт (законодавство, інституційне керівництво, твердження в навчальній програмі) і відповідає на питання «які є правила?»

• Врядування — це механізм, тобто те, як це вирішується, впроваджується та забезпечується. Врядування охоплює інституційні структури, норми та механізми підзвітності, що створюють, виконують і моніторять політику: хто встановлює правила, як їх комунікують і забезпечують ресурсами, як забезпечується дотримання і як йому кидається виклик, і як їх переглядають в міру розвитку ШІ. Воно відповідає на питання «хто вирішує, і як правила насправді набувають чинності?»

• Вони взаємозалежні. Політика без врядування не забезпечується — писане правило, за яким ніхто не стежить, якого ніхто не моніторить і не оновлює. Врядування без політики бракує спрямованості — структури, що не адмініструють нічого конкретного. Дослідження цієї бази знань повторно показують, що ці два елементи мають будуватися разом: політика, яка лише класифікує використання ШІ без врядування, що визначає докази, запобіжні заходи та процеси перегляду, залишається слабкою на практиці (the cognitive-stewardship audit), а врядування, яке лише моніторить без чіткої політики, ризикує стати спостереженням без fairness (див. AI governance).

• Старше керівництво зі ШІ є рідкісним на тлі стратегічних амбіцій. Огляд охоплення 19 джерел виявив, що лише 7% установ створили ролі старшого керівництва зі ШІ, хоч 49% розглядали ШІ як стратегічний пріоритет, причому більшість включених досліджень мали концептуальний або поперечний характер, тому жодного причинного ефекту антиципаційного врядування встановити не вдалося (Baroudi (2026)).

Практичний тест, що розділяє їх: політику можна прочитати на папері, а врядування спостерігається в тому, чи правило впроваджується, чи забезпечується і чи адаптується. Саме тому Урядування ШІ поширює Регулювання ШІ в освіті і політику на установи, і саме тому база знань розглядає вибори формату оцінювання (Підсумкове оцінювання) як політичні рішення, які набувають чинності лише через структури врядування, такі як ради з перегляду, рамки декларування та маршрути оскарження.

Аудиторна політика як інтерпретативна межа врядування. Механізм врядування не зупиняється на інституційному документі; викладачі, які його читають і адаптують, є останнім ланцюгом у ланцюжку, і Nash & Burriss (2026) показують, як це ланцюго виглядає на практиці. Їхні preservice teachers очікували працювати в районах із політикою щодо ШІ, проте все одно мусили створювати правила, специфічні для власної аудиторії, для своїх власних студентів — необхідну навичку адаптації, — і автори стверджують, що викладачі можуть відмовитися впроваджувати ШІ для конкретних завдань читання й письма, не ігноруючи його, причому принципова відмова відрізняється від некритичного відкидання. Підтримання цього розрізнення життєздатним саме є завданням врядування: райони та програми підготовки потребують настанов, professional development та політичної інфраструктури, що дозволяють викладачам відмовлятися від конкретних видів використання, не будучи представленими такими, що відстають від часу.

Індикатори врядування для проблеми автентифікації. Coates, Croucher and Calderon (2025) дають шар вимірювання, який підказує це розрізнення політики та врядування, розглядаючи Академічна доброчесність в епоху GenAI як проблему врядування раніше, ніж проблему виявлення, і вважаючи сучасне академічне врядування стійким, але «не добре розташованим і не готовим» захистити автентифікацію студентського Оцінювання. Їхня рамка містить 130 питань врядування в межах восьми вимірів — проєктування, розроблення, навчання, впровадження, аналіз, звітність, оцінювання та вдосконалення, — і ці пункти є питаннями про інституційний механізм, а не психометричними шкалами: чи отримує найвищий орган або рада установи оновлення про процеси та результати оцінювання, чи охоплюють ключові показники ефективності якість оцінювання, який відсоток студентів відомий індивідуально викладачам, які їх оцінюють, чи перехрестя перевіряються надзвичайно низькі або високі оцінки, і чи існує простий маршрут для передачі справ про замовлення робіт. Супутня програма реформування спрямована на архітектури врядування, людей, які обіймають ролі врядування, і технології та ресурси, що підтримують оцінювання, і автори стверджують, що невеликий інституційний розвиток не віддає без зовнішньої підтримки з боку регулювання, benchmarking та міжустановчої конкуренції — того самого регуляторного тиску, який сторінка Регулювання ШІ в освіті розглядає як обмежувальний чинник реформи врядування.

• Розрив вимірюється й на рівні K-12, а не лише в університетах. Національно репрезентативне опитування 1 018 учителів та директорів публічних шкіл США виявило, що лише 18% учителів і 24% директорів повідомили про політику щодо генеративного ШІ в школі — той самий патерн нижче за установу, який ця сторінка документує у вищій освіті (Tench, Weinstein & James, 2026).

Політичний дефіцит у дослідженнях ШІ × SEL

systematic review 65 статей на перетині AI та social-emotional learning (Tran, Liu & Nguyen 2026) документує «політичний дефіцит»: майже три чверті досліджень не окреслюють жодних політичних імплікацій, а ті, що окреслюють, часто бракують специфічності, орієнтованої на акторів. Огляд виявляє, що політична engagement корелює із виданням публікації, відображаючи академічні стимули, що винагороджують технічну новизку понад Урядування ШІ та Регулювання ШІ в освіті. Він пропонує рамку «WH-питань» (Who, What, Why, When/Where, How) і перехід від «імплікації як останньої думки» до «імплікації як методології» — сприйняття політичного формулювання як обмеження проєктування дослідження, а не як пізнього доповнення.

Пов’язані поняття

• Педагогічне партнерство — Pedagogical Partnerships
• Регулювання ШІ в освіті
• Урядування ШІ
• Освітній розвиток
• Справедливість
• Вища освіта
• K-12
• Академічна доброчесність
• Етика
• Компетентність викладача в галузі ШІ
• Фреймування використання ШІ для студентів
• Підсумкове оцінювання
• Хімічна освіта — Chemistry education and AI: labs, formative assessment, LLM limits, philosophy of experimentation
• Освіта з біології — Biology education and AI: lab teaching assistants, AI literacy in biology, critical thinking, specialized tools
• Зацікавлені сторони — Umbrella: people and audiences in AI education (learners, teachers, designers, administrators, policymakers)
• Підтримка та успішність здобувачів — the policy context for institutional support deployment

Пов’язані статті

• An AI Policy Isn't a Playbook: Educators Need Agency, Not Just New Rules — A nationally representative survey of US teachers and principals on AI policy coverage, agency, and five classroom plays (Tench, Weinstein & James 2026)
• When universities advocate GAI but practice falls short: student appraisals and creative process engagement in art education — When universities advocate GAI but practice falls short: student appraisals and creative process engagement in art education
• Writing the Rules for Generative Machines: Tensions and Entanglements in Preservice Teachers' Classroom AI Policies — Preservice English teachers' classroom AI policies: what they permitted, limited, and banned (Nash & Burriss 2026)
• A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment — A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment
• Designing an Aligned Generative AI Course Policy: An Equitable and Transparent Learner-Centered Approach — Deriving allowed and unallowed GenAI uses task by task from what is assessed (McCorkle 2025)
• How Instructors Regulate AI in College: Evidence from 31,000 Course Syllabi — How instructors regulate AI across 31,000 course syllabi (Chirikov 2026)
• Artificial Intelligence and Grade Inflation — AI task displacement as a mechanism of grade inflation (Chirikov 2026)
• Governing generative AI in higher education: a global Delphi study on policy and practice — Global Delphi on governing generative AI in higher education
• Governing generative AI in higher education: Emerging policy approaches and support ecosystems at innovative U.S. universities — Guidance over policy: instructor-set syllabus rules and a four-unit support ecosystem across 50 innovative US universities (Qian 2026)
• Forging ahead or proceeding with caution: Developing policy for generative artificial intelligence in legal education — Five-factor comparison of law school GenAI policies in a sector making policy without an evidence base (Gutowski & Hurley 2025)
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Transcription is not generation: over-inclusive AI rules, format conversion and disability accommodation (Wright 2026)
• Anticipatory governance and leadership for AI implementation in higher education: A scoping review — Anticipatory governance for AI in higher education (scoping review)
• Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies — AI policy documents across all 48 accredited health informatics master's programs: mostly guidance, centered on academic integrity (Eldredge et al. 2026)
• What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education — Cognitive stewardship for AI-mediated assessment (30-university policy audit)
• Generative Artificial Intelligence Policy: A Qualitative UNESCO Framework Analysis
• A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education
• A Framework for Institutional Change in the Age of AI
• A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform
• The Evidence Base on AI in K-12: A 2026 Review
• Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making
• The Policy Deficit in AI × Social-Emotional Learning Research — The Policy Deficit in AI × SEL Research
• Identifying the ethical values and norms for artificial intelligence in education: A systematic literature review — Ethical values and norms for AI in education
• Zero-shot governance — Zero-shot governance: general-purpose AI in policy (Perrotta 2026)
• How much selection would be enough? Bounding the learning claim of El Salvador's artificial intelligence tutoring pilot — Bounding the learning claim of El Salvador's AI tutoring pilot (Restrepo Morales et al. 2026)
• The AI Challenge: How college faculty assess the present and future of higher education in the age of AI — 1,057 US faculty: 87% write their own assignment rules against thin institutional and departmental guidelines (Watson & Rainie 2026)
• GenAI assessment and language equity: Drawing the line between support and substitution — A purpose-based support–substitution boundary with calibrated disclosure and decision rubrics (Li 2026)
• Ethical implications of prompt injection in AI-mediated grading: An adversarial red-team evaluation — Prompt injection in AI-mediated grading: grades changed undetected, and the policy-level response (Humble 2026)
• Governing academic integrity: Ensuring the authenticity of higher thinking in the era of generative artificial intelligence — 130 governance indicators for authenticating assessment, and the external pressure reform needs (Coates, Croucher & Calderon 2025)
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — Policy tier versus task design: what students used GenAI for across three physics assessments (Quince & Faulconer 2026)
• Generative AI use and the 2022–2025 decline in PISA performance across countries — Higher country-level generative-AI use tracked larger PISA 2022-2025 declines, a correlation that vanished after controlling for prior performance (Guerra & Aslanov 2026)